Skip to content

9. Hướng dẫn dùng CoT đúng cách

Mở đầu: Khi AI “biết đáp án” nhưng lại… trả lời sai

Bạn có bao giờ hỏi ChatGPT một câu tưởng đơn giản, mà kết quả lại khiến bạn phải nhăn mặt chưa? Ví dụ:

Bạn: “Nếu có 3 tá trứng và mỗi tá có 12 quả, tổng cộng là bao nhiêu?” ChatGPT: “Tổng cộng là 24 quả trứng.”

Câu trả lời sai rành rành – nhưng điều thú vị là, AI không “ngu”, nó chỉ bỏ qua bước suy nghĩ.

Đó là lúc bạn cần Chain of Thought (CoT) – kỹ thuật “hướng AI suy nghĩ từng bước một”.

Giải thích ý tưởng chính: Dạy AI “nghĩ ra tiếng”

Chain of Thought (CoT) có nghĩa là: bạn khuyến khích mô hình suy luận từng bước, thay vì nhảy thẳng đến kết quả.

Cách làm rất đơn giản: thay vì chỉ hỏi “Kết quả là gì?”, bạn thêm hướng dẫn như:

“Hãy giải thích các bước suy luận trước khi đưa ra đáp án cuối cùng.” hoặc “Hãy nghĩ từng bước một.”

Điều này khiến mô hình mô phỏng cách con người tư duy – phân tích, tính toán, rồi mới kết luận.

Vì sao nguyên tắc này quan trọng

AI hoạt động bằng cách dự đoán token tiếp theo – tức là đoán xem “từ gì nên đến tiếp theo” dựa vào chuỗi trước đó. Nếu bạn không yêu cầu “nghĩ từng bước”, mô hình sẽ cố đoán trực tiếp đáp án cuối cùng, dễ mắc lỗi logic.

Khi bạn bật “chế độ suy luận” (bằng CoT), mô hình có thêm không gian để:

  • 🧩 Tự kiểm tra và sửa lỗi logic trong quá trình viết,
  • 🔍 Hiểu rõ bài toán phức tạp hơn thay vì đoán cảm tính,
  • 💡 Tạo ra lời giải có thể theo dõi được, giúp bạn dễ đánh giá đúng – sai.

Ví dụ minh họa

Ví dụ 1: Bài toán logic đơn giản

Prompt 1 – Không CoT:

Có 5 con chim trên cành. Một người bắn rơi 1 con. Hỏi còn lại mấy con?

Kết quả thường thấy: “Còn 4 con.” ❌

Prompt 2 – Dùng CoT:

Có 5 con chim trên cành. Một người bắn rơi 1 con. 
Hãy suy nghĩ từng bước trước khi trả lời.

Kết quả: “Khi một con chim bị bắn, những con còn lại sẽ bay đi vì sợ. Vì thế, không còn con nào trên cành. ✅”

➡️ Chỉ bằng cách khuyến khích “nghĩ từng bước”, mô hình đã suy luận sâu hơn và cho ra đáp án hợp lý.

Ví dụ 2: Bài toán tính toán

Prompt 1 – Không CoT:

Một cửa hàng bán 3 loại bánh. Bánh A giá 12k, bánh B giá 15k, bánh C giá 18k. 
Nếu khách mua 2 A, 3 B, 1 C thì tổng là bao nhiêu?

Kết quả: “75k.” ❌

Prompt 2 – Dùng CoT:

Một cửa hàng bán 3 loại bánh. 
Bánh A giá 12k, bánh B giá 15k, bánh C giá 18k. 
Nếu khách mua 2 A, 3 B, 1 C thì tổng là bao nhiêu?
Hãy tính từng bước trước khi cho đáp án.

Kết quả: “2×12 = 24, 3×15 = 45, 1×18 = 18. Tổng = 24 + 45 + 18 = 87k.” ✅

➡️ CoT không chỉ giúp AI chính xác hơn, mà còn giúp người dùng kiểm tra được logic của nó.

Khi nào nên – và không nên – áp dụng

Nên dùng CoT khi:

  • Bài toán cần suy luận hoặc có nhiều bước (tính toán, lập luận, giải thích nguyên nhân – kết quả).
  • Bạn muốn AI giải thích cách làm, không chỉ nêu kết quả.
  • Câu hỏi có yếu tố mập mờ hoặc nhiều khả năng đúng, cần cân nhắc logic.

Không cần dùng CoT khi:

  • Nhiệm vụ đơn giản, chỉ cần phản hồi nhanh và ngắn (ví dụ: dịch câu, tóm tắt 1 dòng).
  • Bạn chỉ muốn đáp án cụ thể, không quan tâm quá trình.
  • Prompt quá dài, mà thêm CoT khiến mô hình “lạc đề” hoặc tốn token không cần thiết.

Mẹo nhỏ cuối chương

  • 💭 Dùng cụm rõ ràng để kích hoạt CoT: “Hãy nghĩ từng bước”, “Giải thích cách bạn suy luận”, “Trình bày quá trình phân tích”.
  • ⚙️ Kết hợp với Step-by-Step Output: bạn có thể yêu cầu “Liệt kê từng bước 1, 2, 3...” để dễ đọc hơn.
  • 🧠 Dùng CoT có kiểm soát: nếu mô hình nói quá dài, hãy thêm giới hạn như “giải thích ngắn gọn trong 3 bước”.
  • 🧩 Đừng lạm dụng: không phải lúc nào AI cũng cần “nghĩ lớn tiếng” – đôi khi chỉ cần nói thẳng kết quả là đủ.

Tóm lại:

Dạy AI “nghĩ từng bước” bằng Chain of Thought giúp nó hiểu sâu, lập luận tốt, và ít sai hơn – nhưng chỉ nên dùng khi thật sự cần lý luận.